为 Ignite 2026 七款模型 MAI 发布生成的标题卡,其中重点突出 MAI Code 2,每百万 token 输入 $0.50、输出 $2.50,对比 Claude Opus 5.5 的 $4.00 和 $20.00。
Guides & Insights

一场 Ignite 主题演讲中的七个 MAI 模型:MAI Code 2 究竟适合放在哪里

作者

jinhao.song

发布日期

最新模型 · 20查看全部模型 →
基准测试:Artificial Analysis · 每日更新
返回全部文章

Microsoft 在11月17日的 Ignite 2026 主题演讲中一次性将七款新模型搬上舞台,而开发者们将会争论的那一款是 MAI Code 2。它宣传的卖点不是分数,而是比例:Microsoft 自己的公告称,在四项编程基准测试中,它达到 Claude Opus 5.5性能的96%,成本仅为5%;并达到 GPT-6.1 Sol性能的98%,成本为40%。这些都是来自 Microsoft 内部评估工具的厂商数据,尚未被 Microsoft 以外的任何人复现,而且截至撰稿时,该模型在独立排行榜上还没有条目。不过,这次发布仍值得一读的原因在于:价格比例真实且可验证,模型卡异常具体,而分发范围比公告语气所暗示的要窄。

这次发布的整体轮廓是:发布了什么,各项宣称是从什么平均得出的,模型卡说了哪些博客文章没说的内容,成本是多少以及价格何时变化,还有为什么对预算来说重要的是编程模型,而不是这一组里最炫目的那个。

实际上宣布了什么

七款模型、一颗芯片、一个授权计划。这些模型包括:用于防御性安全工作的 MAI Cyber 2 Flash;用于编程的 MAI Code 2 和 MAI Code 2 Flash;用于图像生成与编辑的 MAI Image 2.7;用于实时语音转语音的 MAI Realtime 1;基于 MAI Transcribe 2 构建的 Dragon Copilot Transcribe;以及 Decision 1.1——微软称这款路由模型比 GPT-Sol 6.1 快 50 倍、便宜 79 倍。与此同时,微软将其第二代加速器 Maia 200 投入生产,并推出了 MAI Licensed Weights,允许组织在自己的 Azure 环境中运行定制化的 MAI 模型。

Card listing all seven MAI models announced at Ignite on 17 November 2026 with their roles, and the two coding prices: MAI Code 2 at $0.50 and $2.50 per million tokens, MAI Code 2 Flash at $0.05 and $0.25.

编程组合才是价值所在。MAI Code 2 是较大的模型,定位用于深度调试、多文件实现、仓库级推理和前端工作。MAI Code 2 Flash 则是较小的那个:代码解释、定向编辑、常规修复、快速迭代。Microsoft 的表述明确表示,这些是面向日常企业使用的模型,而非追逐前沿的模型,公告里两次这样说明。

Microsoft 主推的说法,以及它是什么的平均值

96% 和 98% 这两个数字是四项基准测试的平均值:DeepSWE 1.1、Terminal Bench 2.1、SWE Atlas 和 FrontierCode v1.1。其中三项在 MSBench(微软内部评估平台)上运行,使用 GitHub Copilot CLI 1.0.102 版本,禁用了子代理,并且所有模型均以最高推理强度运行。FrontierCode 部分则性质不同:这些分数和成本来自 Artificial Analysis,而非微软的测试框架。因此,这一主要数字是三项自行运行的测试与一项第三方测试的混合结果,然后以两家竞争对手平均值的百分比表示。

Screenshot of Microsoft's MAI Code 2 announcement page, dated 17 November 2026, showing the 98% of GPT-6.1 Sol at 40% of the cost and 96% of Claude Opus 5.5 at 5% of the cost claims beside a chart of average pass rate and average cost per task: MAI Code 2 at 63.2% and $0.309, GPT-6.1 Sol at 64.1% and $0.761, Claude Opus 5.5 at 65.3% and $6.306.

第二项主张紧挨着它,而这项主张最能说明 Microsoft 认为自己打造了什么。在涵盖界面、游戏、数据可视化、3D 场景和 SVG 图形的前端工作的盲测并排评估中,涉及 258 名标注员,评审员有 64% 的情况下更偏好 MAI Code 2 的输出,而不是 GPT-6 Sol 的输出。这是一项偏好研究,不是通过率,而看起来自信的 UI 代码很容易赢得偏好。这也是公告中唯一一项涉及品味而非正确性的主张,而在真实的产品团队里,品味正是低成本模型有可能胜过高成本模型的地方。

模型卡中提及但博客文章未提及的内容

24页的模型卡是更有用的文件,因为它包含买家需要而公告中省略的数字。

• 架构——一个仅解码器 Transformer,具有稀疏混合专家层和集成视觉编码器,两种模型均采用此架构

• 参数——MAI Code 2 总参数约 2.8 万亿,激活参数 770 亿,其中嵌入参数 30 亿;MAI Code 2 Flash 总参数约 3980 亿,激活参数 120 亿

• 训练——约50万亿个 token 的预训练,加上约1500亿个 token 的大模型长上下文扩展,全部在2026年8月至11月之间完成,知识截止日期为2026年8月

• 上下文与限制 — 1,050,000 个 token 的上下文,最大输入 922,000 个 token,最大输出 128,000 个 token,输入文本和图像,输出文本

• 推理控制——五档投入强度,从低到最高,在延迟、成本与质量之间进行权衡

• 已说明的限制——仅在发布时针对英文代码生成进行了优化,并未针对基础科学研究或超长周期智能体工作进行调优,也不适用于在无人类监督的情况下采取重大行动的完全自主系统

最后那句话才是诚实的,也是采购团队应该读两遍的一句话。微软并没有声称以折扣价提供通用的前沿模型。它声称的是一个擅长 GitHub Copilot 客户实际所做工作的编码模型,并且明确说明了该模型的能力边界在哪里。

你可以调用它的地方,范围比听起来要窄

MAI Code 2 和 MAI Code 2 Flash 均已登陆 GitHub Copilot:较大的模型覆盖 Copilot Pro、Pro+、Max、Business 和 Enterprise,而 Flash 则从 Free 层级起向上提供。MAI Code 2 Flash 还在 Microsoft Foundry 中以限量访问预览形式提供,可通过兼容 OpenAI 的 Responses API 调用。MAI Code 2 本身在发布时尚未在 Foundry 中部署。

这种不对称是埋在基准测试幻灯片之下的实际细节。如果你想在 Copilot 中使用 MAI Code 2,今天就可以用。如果你想从自己的应用、智能体框架或 CI 流水线中调用 MAI Code 2,却没有已发布的端点可供调用:这对模型中唯一具备 API 方案的是较小的那个,而且它还是预览版。微软表示第三方可用性即将到来;目前尚未发布任何内容,也没有给出日期。模型权重完全不分发,许可证是一套产品条款,而不是开源许可证。

费用是多少,以及价格翻倍的日期

Copilot 按 token 对这些模型计费,采用基于用量的计费模式;这两者目前均处于促销定价阶段,且已公布结束日期。

• MAI Code 2 — 每百万输入 token 0.50 美元,每百万缓存输入 0.025 美元,每百万输出 2.50 美元,直至 2027 年 5 月 17 日;自该日起,分别为 1.00 美元、0.05 美元和 5.00 美元

• MAI Code 2 Flash — $0.05、$0.005 和 $0.25,直至 2027 年 5 月 17 日;自该日起,$0.10、$0.01 和 $0.50

• Claude Opus 5.5,作为参照——每百万 token 输入 $4.00、缓存输入 $0.20、输出 $20.00

• GPT-6.1 Sol,作为参照——每百万 tokens 输入 $2.00、缓存输入 $0.10、输出 $10.00

把第一行和第三行放在一起读,算术就变得有意思了。按促销费率,MAI Code 2 的费用是 Claude Opus 5.5 每 token 价格的 12.5%,也是 GPT-6.1 Sol 的 25%。微软主打的数字是 成本的 5% 和 40%,而不是价格的 5% 和 40%。这些主打比例是四项基准测试中每项任务的成本,把每 token 费率与每个模型完成任务所消耗的 token 数合并在一起——而模型卡称,所有模型都以最高推理强度运行,此时 token 数量变化最大。

这两类数字之间的差距,才是应该带进预算讨论的东西。5% 的成本比叠加在 12.5% 的价格比之上,意味着 MAI Code 2 完成那些任务所花费的 token 大约是 Claude Opus 5.5 所花费的 40%。这是我对微软公布比率的算术推算,不是微软的声明,而且它指向的方向与常见的折扣叙事相反:节省更多来自模型更早停下来,而不是来自便宜的 token。混合输入输出费率最多只能让它成为粗略数字,但这个方向值得了解,因为便宜的 token 和便宜的任务不是同一个预算条目,只有任务级测量才能告诉你,你买的是哪一种。

为什么这是一次价格发布,而不是能力发布

发布材料中没有任何内容声称达到了新的业界顶尖水平。用微软自己的话说,这些模型"明确尚未针对更难的问题进行调优",模型卡还补充称,其对齐水平被评估为与 GPT-5.6 Sol 相近,但不如 GPT-6 对齐。这里展现的策略正是 Ignite 主题演讲中直言不讳的那一套:当模型的构建目的是推动科学前沿时,你会在每一次常规缺陷修复上为那份能力买单,所以不如构建一个擅长常规工作的模型,并据此定价。

这是否奏效,取决于一个 Microsoft 无法独自回答的问题。对比集合是 Microsoft 自家评测框架与两家竞争对手已公布配置之间的比较,而唯一独立的组成部分 FrontierCode,只是四个基准中的一个。第一方在自家评测框架上的通过率是合理的工程信号,却是微弱的采购信号。真正值得等待的数字,是中立的排行榜上的一行独立结果,由与答案没有利益关系的人运行,而且用的是 Microsoft 无人配置过的评测框架。

如何自行对比较进行定价

Screenshot of OrcaRouter's Claude Opus 5.5 model page showing the list rate of $4.00 per million input tokens and $20.00 per million output, a 1M-token context, 128K maximum output and text, image and file input.

如今,MAI Code 2 和 MAI Code 2 Flash 都不在 OrcaRouter 的目录中;公开发布的路径是 GitHub Copilot,这意味着微软邀请你进行的比较目前无法在单一密钥上运行。而用于与之对比的模型则可以。Claude Opus 5.5、GPT-6.1 Sol 和 Gemini 4 Carbon 均按提供商标价、0% 加价在 OrcaRouter 上提供,因此这本账中昂贵的一侧如今就可以衡量,其每 token 费率会在供应商调价当天同步变动。如果便宜的一侧日后能在 Copilot 之外调用,那么这项比较就会从电子表格练习变成路由决策——而自动故障转移正是让性价比模型在尚未拥有独立业绩记录之前,就能安全进入生产路径的保障。

要关注的事项,按顺序如下:MAI Code 2 的独立基准测试行;大型模型在 Foundry 上的部署,而不只是 Flash 预览版;以及2027年5月17日,届时两个模型的价格都将翻倍。最后一项在日历上,这使它成为本次发布中唯一可以据此规划的部分。

本文中的对比2

根据本文内容识别 · 基准测试:Artificial Analysis · 每日更新